-
公开(公告)号：CN106657059A
公开(公告)日：2017-05-10
申请号：CN201611189991.8
申请日：2016-12-21
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本发明提供一种具有访问控制功能的数据库查询方法和系统，属于数据库查询领域。本发明系统包括密钥产生中心：用于生成主密钥、查询密钥和密钥；数据上传者：对每一条记录建立属性索引，并对记录及属性索引加密，得到记录密文和索引密文，然后将查询密钥进行加密，并把加密后的查询密钥发送给数据查询用户；数据查询用户：采用密钥和加密后的查询密钥解密得到查询密钥，然后通过查询密钥和查询条件生成谓词陷门，发送给服务器，并采用密钥解密记录密文，得到查询结果；服务器：用于对数据库的数据进行查询，将符合条件的记录密文数据返回给数据查询用户。本发明既能够对数据查询用户访问数据库的权限进行控制，又能够保证数据和查询条件的机密性。
-
公开(公告)号：CN106469317A
公开(公告)日：2017-03-01
申请号：CN201610835289.8
申请日：2016-09-20
Applicant: 哈尔滨工业大学深圳研究生院
CPC classification number: G06N5/042 , A63F1/02 , A63F2001/005 , G06K9/6223 , G06K9/6267 , G06N3/04
Abstract: 本发明提供了一种基于非完备信息博弈中进行对手建模的方法，步骤1：德州扑克中的手牌评估；步骤2：非完备信息博弈中的对手建模；步骤3：扑克博弈系统的实现。本发明以德州扑克作为具体研究对象，通过将对手建模方法与手牌评估算法相结合实现了一个拥有较高智能水平的扑克博弈程序。
-
公开(公告)号：CN112329052B
公开(公告)日：2024-08-06
申请号：CN202011155392.0
申请日：2020-10-26
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F21/62 , G06F18/214 , G06N3/084 , G06F18/24
Abstract: 本申请公开了一种模型隐私保护方法，该方法包括以下步骤：基于当前训练场景，确定用于对模型进行隐私保护的目标保护方式；如果目标保护方式为PATE方式，则在使用训练数据集进行模型训练过程中，对中间产生的投票结果进行加噪处理，训练完成后，获得最终的待使用第一模型；如果目标保护方式为差分隐私随机梯度下降DPSGD方式，则在使用训练数据集进行模型训练过程中，对将训练数据集输入到模型后计算得到的梯度进行加噪处理，训练完成后，获得最终的待使用第二模型。应用本申请所提供的技术方案，可以较好地且有效地进行隐私保护，提高训练数据及模型的安全性。本申请还公开了一种模型隐私保护装置，具有相应技术效果。
-
公开(公告)号：CN112052480B
公开(公告)日：2024-07-23
申请号：CN202010953756.3
申请日：2020-09-11
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F21/62
Abstract: 本发明实施例提供了一种模型训练过程中的隐私保护方法、系统及相关设备，用于实现模型训练过程中的隐私保护。本发明实施例方法包括：接收服务端发送的目标模型，并接收服务端发送的选择指令，选择指令用于指示随机选中的部分客户端；被选中的客户端以概率P参与目标模型训练，未被选中的客户端以概率(1‑P)参与目标模型训练；所有确定参与目标模型训练的客户端作为目标客户端，分别采用本地数据对目标模型进行训练，并计算每个训练之后的目标模型的模型参数更新值；按照预设差分隐私算法对每组模型参数更新值进行处理生成更新数据，并将更新数据返回给服务端，以使得服务端根据所有的更新数据生成本轮训练的全局模型。
-
公开(公告)号：CN115767108B
公开(公告)日：2023-11-07
申请号：CN202211285499.6
申请日：2022-10-20
Applicant: 哈尔滨工业大学(深圳)
IPC: H04N19/91 , H04N19/147 , H04N19/124
Abstract: 本发明公开了一种基于特征域匹配的分布式图像压缩方法、系统，所述方法包括：获取主图像量化采样信号，并将所述主图像量化采样信号通过单一深度解码器处理获得初步重构图像和解码主信息特征；再使用单一深度图像压缩模型获得边信息图像的无损边信息特征和解码边信息特征；接着对解码主信息特征和解码边信息特征进行相关性匹配，并选取无损边信息特征进行特征域相关块对齐操作获得匹配特征；最后使用特征融合网络对初步重构图像和匹配特征进行迭代融合获得最终重构图像。本实施例通过基于特征域多尺度块匹配方法取得更好的率失真表现。
-
Patent Agency Ranking
公开(公告)号：CN115632761B
公开(公告)日：2023-06-23
申请号：CN202211038350.8
申请日：2022-08-29
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种基于秘密共享的多用户分布式隐私保护回归方法及装置，方法包括下述步骤：数据提供方C1，C2，...，Cn分别将各自的隐私数据(x1，y1)，(x2，y2)，...，(xn，yn)通过加性算术秘密共享分发给第一服务器S0和第二服务器S1，得到数据特征的秘密份额和数据标签的秘密份额；第一服务器S0和第二服务器S1基于获得的数据特征的秘密份额和数据标签的秘密份额进行安全两方计算；第一服务器S0和第二服务器S1分别将各自的模型参数的秘密份额 0和 1发送给数据使用方，然后数据使用方在本地重构出完整的模型参数w＝ 0+ 1。本发明在保证较高安全性的同时，以较低通信代价和较少交互次数完成模型训练任务。
-
公开(公告)号：CN115567401A
公开(公告)日：2023-01-03
申请号：CN202211016957.6
申请日：2022-08-22
Applicant: 哈尔滨工业大学(深圳)
IPC: H04L41/14 , H04L41/12 , H04L67/141 , G06F9/54
Abstract: 本发明公开了一种基于管道技术的以太坊网络拓扑仿真方法、装置、介质及终端，方法包括，根据接收到的仿真区块链节点参数信息，生成初始化区块链网络；基于管道技术模拟初始化区块链网络中节点的通信操作，形成仿真节点；根据接收到的通信编码信息，改变仿真节点通信编码的方式，完成区块链网络的更新；本发明避免了网络层和传输层对数据包进行无谓的封装所带来的损耗，使用管道技术模拟网络通信避免了操作系统对网络报文发送的影响，可以更加精确的实现对节点间连接的流量控制、丢包率延迟抖动的仿真，可以在模拟区块链系统中可能发生的各种攻击，指导现实环境中区块链系统点对点网络的设计，避免了传统本地套接字通信的局限性。
-
公开(公告)号：CN115562957A
公开(公告)日：2023-01-03
申请号：CN202211005140.9
申请日：2022-08-22
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种基于概率密度函数的工作量证明机制仿真方法、装置、介质及终端，方法包括：查询新区块的参数信息和仿真网络节点信息，得到仿真参数信息；将所述仿真参数信息输入到概率仿真算法中进行计算，得到最终仿真出块时间与最终出块节点序号；返回所述最终仿真出块时间与最终出块节点序号；本发明采用上述方法后利用工作量证明机制本身具有的概率特性，实现对共识算法的仿真，解决了现有仿真方法进行大量重复哈希计算的问题，只需要一次计算即可导出仿真出块时间，大大减少仿真环境中的资源消耗，最终实现对任意难度与任意算力情况下区块链网络的运行状态的仿真，并实现高保真的工作量证明算法出块时间仿真。
-
公开(公告)号：CN115456192A
公开(公告)日：2022-12-09
申请号：CN202211000977.4
申请日：2022-08-19
Applicant: 哈尔滨工业大学(深圳)
IPC: G06N20/00
Abstract: 本发明公开了一种联邦学习模型投毒防御方法、终端及存储介质，方法包括：根据各局部模型增量的范数及对应的数据集选择匹配的裁剪阈值，并根据选择的裁剪阈值对对应的局部模型增量进行自适应裁剪；根据裁剪后的局部模型增量确定当前全局模型增量的符号特征，并根据确定的当前全局模型增量的符号特征计算裁剪后的局部模型对应的选择系数；根据计算的选择系数将各裁剪后的局部模型进行选择性聚合，得到全局模型；本发明可以有效地防御标签翻转缩放攻击、符号翻转攻击、最小化最大距离攻击等模型投毒攻击手段，能够帮助中心服务器在不收集客户端原始数据、不加剧客户端本地计算量的情况下完成对本地模型的聚合，增强联邦学习框架的可靠性和鲁棒性。
-
公开(公告)号：CN111931233B
公开(公告)日：2022-11-15
申请号：CN202010806166.8
申请日：2020-08-12
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F21/62 , G06F16/2458 , G06F16/27
Abstract: 本申请实施例公开了一种基于区块链和本地化差分隐私保护的信息推荐方法及系统，用于在进行信息推荐的同时保证用户数据的安全性和确保用户隐私信息不被泄露。本申请实施例方法包括：对区块链用户的用户数据进行聚类分析，以及对该区块链用户的预处理数据进行本地化差分隐私处理而得到模糊化数据，并由星际文件系统对该模糊化数据进行哈希计算而得到哈希值，在得到区块链用户的桶号以及哈希值之后，可以基于该桶号及哈希值，根据推荐算法向目标区块链用户进行信息推荐。本申请实施例中，免除了中心服务器的参与，避免中心服务器被攻击而导致用户信息泄露，同时本地化差分隐私处理也保证了用户数据的隐秘性，增强了数据的安全性，降低隐私泄露的风险。
-
-
-
-
-
-
-
-
-
Search Results
137
records
(took 0.028 seconds)
